Я использую python Curvefit, чтобы соответствовать многопараметрической регрессии. Регрессанд трансформируется с использованием квадратного root преобразования. Хотя было прямое обратное преобразование коэффициентов, я не был уверен, как рассчитывается стандартная ошибка коэффициентов при аппроксимации кривой и были ли ошибки рассчитаны для коэффициентов с преобразованной регрессией и как их можно интерпретировать, когда коэффициенты обратно трансформируются.
Например, y = ax ^ b - это моя функция регрессии, где y преобразуется с использованием квадратной функции root. Y0 - исходное наблюдение, а y - y0 ^ (0.5).
У меня есть коэффициенты a и b из регрессии. Затем записываем то же самое для y0, y0 = (ax ^ b) ^ (1 / 0,5), что равно y0 = a0 (x ^ (1 / 0,5)) ^ b0, где a0 = a ^ (1 / 0,5) и b0 = b /0.5
Теперь, как я могу сделать то же самое для pcov в Curvefit, чтобы я знал неопределенность в a0 и b0?
Также, как я могу сделать это преобразование для коэффицентов, когда функция y = a (x- c) ^ b?